电子病历是临床医学常见的文本数据，不同病人的不同病种构成了一类文本数据集，对这些数据集进行数据挖掘及归类是非常有必要的。聚类分析是多元统计分析中的一种，也是非监督模式识别的一个重要分支。它把一个没有类别标记的样本集按某种准则划分成若干个子集(类)，使相似的样本尽可能归为一类，而不相似的样本尽量划分到不同的类中。聚类通过比较数据的相似性和差异性，能发现数据的内在特征及分布规律，从而获得对数据更深刻的理解与认识。聚类分析也是知识发现的重要工具，其中的文本聚类是模式识别、机器学习、统计学和信息检索技术相互结合和发展的结果。聚类技术对疾病进行归类、分清疾病的轻重缓急以及疾病的发展过程，对于临床治疗措施的选择以及研究具有重要的意义。通过实验发现，在小规模的数据集上，经过优化初始中心点K—平均聚类算法的准确率有明显提高，消除了算法对初始聚类中心的敏感性。但通过实验发现，该初始中心优化的聚类算法计算量较大，且优化过程的占整个聚类过程的时间较多，在以后的工作中，将改进优化算法，提高该算法的效率，并在大规模的数据集上进行测试验证。